FlowTool通过流匹配控制图像修图工具参数
FlowTool是一种工具型图像编辑框架，将参数生成建模为流匹配问题，而不是采用自回归推理。该系统结合用于多模态理解的视觉语言模型，以及能够将高斯噪声转换为结构化编辑计划的Diffusion Transformer。经过监督式流匹配训练和基于奖励的后训练后，研究人员称，FlowTool在多项基于参考图像的评测中超过了专用MLLM编辑代理和商业MLLM；在无参考图像评测中也保持了竞争力。此外，其推理延迟至少降低了50倍，内存使用量约为对比基线的一半。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。